使用 flairNLP 进行特征提取

Question

我想用 天赋 用于情感分析，但我也需要知道每个词对一个句子的分数影响有多大。

我按照这个 文章 来预测情绪，但它没有显示如何提取给定句子的特征.我假设有一种方法来做这种特征提取，因为它在那篇文章中的介绍方式，但我找不到它。我试着阅读了 flair 文档和代码本身，但没有看到这样的方法。

我想找的是这样的功能。

import flair
text = flair.data.Sentence(<string-with-sentiment>)
model = flair.models.TextClassifier.load('en-sentiment')
model.predict(text)
print(s.individual_sentiments)

"结果

[('i', 0.08), ('do', 0.09), ('like', 1.0), ('you', -0.32)]

我并不是要训练我自己的模型 而是使用一个预先训练好的模型 就像上面的代码例子一样

注意：我并不拘泥于flair，如果有不同的框架有这个功能，我也很乐意知道。我试图使用flair，因为在我测试时，它的准确率超过了Textblob和ltk的VADER。

Answer 1

文章中其实有一个colab的链接。笔记本 在底部，我错过了。在那篇文章中，似乎实现的方法只是在整句话之外，将每个词单独分类。